Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
EAS201a - Inferencia Estad́ıstica Escuela de Administración UC Material de Apoyo Ayudant́ıa 2 : , 1 Distribuciones derivadas de la Normal Tópicos de la Ayudant́ıa I Distribuciones derivadas de la Normal I Ejercicios I Ejercicios Propuestos : , 2 Distribuciones derivadas de la Normal I Si Z ⇠ N(0, 1), entonces la v.a U = Z 2 tiene distribución �2(1) I Si U 1 ,U 2 , ...,Un son v.a iid �2(1), entonces V = Pn i=1 Ui tiene distribución �2(n) I Si Z ⇠ N(0, 1) y U ⇠ �2(n) son va independientes, entonces T = Zp U/n tiene distribución t(n) I Si U ⇠ �2(m) y V ⇠ �2(n) son va independientes, entonces F = U/mV/n tiene distribución F (m, n) : , 3 Distribuciones derivadas de la Normal La Media y Varianza Muestral Sean X 1 , ...,Xn son una m.a proveniente de la cualquier distribución. Se define la media y varianza muestral por X̄ = 1 n nX i=1 Xi S2 = 1 n � 1 nX i=1 (Xi � X̄ )2 : , 4 Distribuciones derivadas de la Normal La Media y Varianza Muestral Suponga que la distribución de la m.a es N(µ,�2), entonces I La media muestral X̄ tiene distribución N ⇣ µ, � 2 n ⌘ Note que si la m.a tiene otra distribución y n es grande, entonces por TLC la distribución de X̄ se puede aproximar por N ⇣ µ, � 2 n ⌘ I La varianza muestral no tiene una distribución conocida, pero si la multiplicamos por un factor, (n�1)S 2 �2 se tiene que la distribución es �2(n � 1) I A partir de lo anterior, se tiene que la v.a ¯X�µ S/ p n tiene distribución t(n � 1) : , 5 Distribuciones derivadas de la Normal Ejercicio 1 Utilizando el teorema de transformación de variables aleatorias demuestre que si Z ⇠ N(0, 1) entonces la v.a U = Z 2 tiene distribución �2(1). Calcule E (U) y Var(U) : , 6 Distribuciones derivadas de la Normal Solución Ejercicio 1 Z ⇠ N(0, 1) luego fZ (z) = 1p 2⇡ e� z2 2 , z 2 R Sea U = Z 2, luego Z = ± p U. Defina g�1 1 (z) = � p U y g�1 2 (z) = p U Sus respectivas derivadas son dg�1 1 (z) du = �1 2 p u y dg�1 2 (z) du = 1 2 p u Luego por teorema de transformación de v.a se tiene que fU(u) = ���� �1 2 p u ���� 1p 2⇡ e� (� p u)2 2 + ���� 1 2 p u ���� 1p 2⇡ e� ( p u)2 2 : , 7 Distribuciones derivadas de la Normal Solución Ejercicio 1 De esta manera, fU(u) = 1p u 1p 2⇡ e� u 2 , u > 0 Que corresponde a la densidad de una v.a �2(1) Note que fU(u) se puede reescribir de la siguiente forma: fU(u) = 1p u 1p 2⇡ e� u 2 = 1p ⇡ ✓ 1 2 ◆ 1/2 u 1 2 �1e� 1 2 u Por propiedades de la función gamma �(·) se tiene que �(1/2) = p ⇡, luego : , 8 Distribuciones derivadas de la Normal Solución Ejercicio 1 fU(u) = 1 �(1/2) ✓ 1 2 ◆ 1/2 u 1 2 �1e� 1 2 u Que corresponde a la densidad de una v.a Gamma � 1 2 , 1 2 � Lo que se concluye que una v.a �2(1) es equivalente a una Gamma � 1 2 , 1 2 � Esta relación nos será de utilidad para el cálculo de E(U) y Var(U). Recuerde que si X ⇠ Gamma(r ,�) entonces E(X ) = r � Var(X ) = r �2 De esta manera, E(U) = 1/2 1/2 = 1 Var(U) = 1/2 1/4 = 2 : , 9 Distribuciones derivadas de la Normal Ejercicio 2 (a) Demuestre que si V ⇠ �2(n) entonces para n grande su distribución se puede aproximar por una distribución Normal de media n y varianza 2n. (b) Sea S2 la varianza muestral de una m.a de tamaño n. Calcule E(S2) y Var(S2). : , 10 Distribuciones derivadas de la Normal Solución Ejercicio 2 (a) Por enunciado se tiene que V ⇠ �2(n), entonces V se puede escribir como una suma de v.a iid con distribución �2(1), es decir, V = nX i=1 Ui donde Ui iid⇠ �2(1) Por ejercicio anterior se tiene que E (Ui ) = 1,Var(Ui ) = 2, luego E(V ) = nX i=1 E(Ui ) = n Var(V ) = nX i=1 Var(Ui ) = 2n Como V es una suma de v.a iid, por TLC se puede aproximar su distribución por una Normal con media n y varianza 2n. : , 11 Distribuciones derivadas de la Normal Solución Ejercicio 2 (b) La varianza muestral se define por S2 = Pn i=1(Xi� ¯X ) 2 n�1 . Se sabe que (n � 1)S2 �2 ⇠ �2(n � 1) Luego, por parte (a) del ejercicio se tiene que la media y varianza están dadas por E ✓ (n � 1)S2 �2 ◆ = n � 1 Var ✓ (n � 1)S2 �2 ◆ = 2(n � 1) : , 12 Distribuciones derivadas de la Normal Solución Ejercicio 2 Despejando se obtiene, (n � 1) �2 E(S2) = (n � 1) ) E(S2) = �2 (n � 1)2 �4 Var(S2) = 2(n � 1) ) Var(S2) = 2� 4 n � 1 : , 13 Distribuciones derivadas de la Normal Ejercicio 3 Sean X 1 , ...,X 10 una m.a de una población N(µX ,� 2) Y 1 , ...,Y 15 una m.a de una población N(µY ,� 2) W 1 , ...,W 20 una m.a de una población N(µW ,� 2) Todas las muestras son independientes entre śı. Sean S2X , S 2 Y y S 2 W las respectivas varianzas muestrales. (a) Obtenga P ⇣ SX SY < 1.4365 ⌘ (b) Usando la distribución de X + Y +W , construya un estad́ıstico T tal que T ⇠ t(42) : , 14 Distribuciones derivadas de la Normal Solución Ejercicio 3 (a) Por enunciado se tiene que S2X = 10X i=1 (Xi � X̄ )2 9 S2Y = 15X i=1 (Yi � Ȳ )2 14 S2W = 20X i=1 (Wi � W̄ )2 19 Se sabe que 9S2X �2 ⇠ �2(9) 14S 2 Y �2 ⇠ �2(14) 19S 2 W �2 ⇠ �2(19) todas independientes entre śı. De esta manera, 9S2X �2 /9 14S2Y �2 /14 ⇠ F 9,14 ) S2X S2Y ⇠ F 9,14 : , 15 Distribuciones derivadas de la Normal Solución Ejercicio 3 Nos piden calcular, P ✓ SX SY < 1.4365 ◆ = P ✓ S2X S2Y < 2.063 ◆ Lo que corresponde a calcular la probabilidad acumulada de una F 9,14 en el valor 2.063. Dos alternativas: I El valor exacto de dicha probabilidad se puede obtener por medio del software R con el comando pf(2.063,9,14) = 0.8915 : , 16 Distribuciones derivadas de la Normal Solución Ejercicio 3 I Usando las tablas F con 9 y 14 grados de libertad que se disponen para probabilidades de 0.90, 0.95, 0.975. Para dichos valores se obtiene P(F < 2.12) = 0.90 P(F < 2.65) = 0.95 P(F < 3.21) = 0.975 En nuestro caso el valor más cercano a 2.063 es 2.12 por lo cual P ✓ S2X S2Y < 2.063 ◆ ⇡ 0.90 : , 17 Distribuciones derivadas de la Normal Solución Ejercicio 3 (b) Por enunciado Xi ,Yi y Wi tienen distribución Normal, luego X ⇠ N ✓ µX , �2 10 ◆ Y ⇠ N ✓ µY , �2 15 ◆ W ⇠ N ✓ µW , �2 20 ◆ y son todas independientes entre śı. Luego X + Y +W ⇠ N ✓ µX + µY + µW , �2 10 + �2 15 + �2 20 ◆ : , 18 Distribuciones derivadas de la Normal Solución Ejercicio 3 Además, 9S2X �2 ⇠ �2(9) 14S 2 Y �2 ⇠ �2(14) 19S 2 W �2 ⇠ �2(19) independientes entre śı, luego la suma de ellas también es una v.a con distribución �2 V = 9S2X �2 + 14S2Y �2 + 19S2W �2 ⇠ �2(9 + 14 + 19) = �2(42) Como (X +Y +W ) y V son v.a independientes, luego se puede construir un estad́ıstico T con distribución t-student de la siguiente manera : , 19 Distribuciones derivadas de la Normal Solución Ejercicio 3 T = (X+Y+W )�(µX+µY+µW )q 1 �2 ( 1 10 + 1 15 + 1 20 ) q 1 �2 (9S2X+14S2Y+19S2W ) 42 ⇠ t(42) Lo que es equivalente a T = (X + Y +W )� (µX + µY + µW )q 13 60·42 (9S 2 X + 14S 2 Y + 19S 2 W ) ⇠ t(42) : , 20 Distribuciones derivadas de la Normal Ejercicios Propuestos 1. Suponga que X 1 ,X 2 , ...,Xn,Xn+1 constituyen una muestra aleatoria de una distribución Normal con media µ y varianza �2 y sea X̄n = 1 n nX i=1 Xi Tn = (n �1 nX i=1 (Xi � X̄n)2)1/2 Determine el valor de la constante k tal que la v.a k(Xn+1 � X̄n)/Tn tengs una distribución t-student. Especifique sus grados de libertad. : , 21
Compartir